1. 背景 (The Why)
作为一名网络安全从业者，我深知 AI 在未来攻防对抗中的重要性。为了验证“安全+AI”的融合场景，我决定在 Kali Linux 环境下，利用 Docker 容器化技术，私有化部署 Google 最新的 Gemma 模型，并搭建漏洞靶场进行联动测试。
2. 环境准备 (The Setup)
* 宿主机系统： Kali Linux 2024.4 (VMware)
* 核心工具： Docker, Ollama
* 目标模型： gemma3:1b (Google DeepMind 轻量级模型)
3. 实战过程与踩坑 (The Action)
Step 1: Docker 环境确认
首先检查 Docker 服务状态，确保容器环境正常。
docker ps -a
可以看到我本地已经运行了 medicean/vulapps 漏洞靶场，为后续 AI 安全测试做好了准备。
Step 2: 拉取 Ollama 镜像
使用 Docker 拉取 Ollama 官方镜像。
docker pull ollama/ollama
(这里曾遇到网络波动导致下载慢，通过配置镜像加速解决)
Step 3: 运行 Ollama 容器
启动容器并映射端口：
docker run -d -v ollama:/root/.ollama -p 11434:11434 –name ollama ollama/ollama
Step 4: 模型拉取与排错 (Troubleshooting)
在尝试拉取模型时，我遇到了 manifest not found 错误：
* ❌ 错误尝试：docker exec -it ollama ollama run gamma3:1b (拼写错误)
* ❌ 错误尝试：docker exec -it ollama ollama run llama3 (版本不对)
* ✅ 解决方案： 查阅官方文档，确认模型准确名称为 gemma3:1b。
* 成功命令：
docker exec -it ollama ollama run gemma3:1b
4. 最终效果 (The Result)
成功进入交互式对话界面！
> User: “who are you?”
> Gemma: “Hi there! I’m Gemma, a large language model created by the Gemma team at Google DeepMind…”
>
5. 总结与思考
这次实战不仅跑通了 AI 私有化部署，更重要的是验证了 Docker 在 Linux 环境下的灵活性。下一步计划：
* 使用 Python 编写 API 接口调用该模型。
* 测试用 AI 生成 SQL 注入 Payload 并打向本地的 VulApps 靶场。
